城市道路汽車行駛工況的構(gòu)建

　　摘 要：汽車行駛工況是汽車各項性能指標進行標定優(yōu)化時的主要基準。文章根據(jù)某城市實時采集的乘用車數(shù)據(jù)，在對數(shù)據(jù)進行預處理的基礎上，基于K均值聚類分析法對汽車運動學片段曲線的特征極值進行劃分，利用運動學片段間的“親疏程度”篩選出汽車行駛工況的候選片段，從而構(gòu)建出一條最貼合該城市內(nèi)車輛實際運行情況的行駛工況曲線。

　　關(guān)鍵詞：汽車行駛工況;預處理;特征提取;K均值聚類分析

　　前言

　　汽車行駛工況又稱車輛測試循環(huán)，它本是用汽車在一定時間段內(nèi)(一般時間范圍為1800s)的行駛時速度-時間曲線圖。因其能體現(xiàn)出汽車在道路行駛時的運動學特征，所以成為車輛能耗/排放測試方法和限值標準的基礎，更是汽車各項性能指標標定優(yōu)化時的主要基準。

　　本世紀以來，我國汽車行業(yè)相關(guān)技術(shù)標準多以引用國外標準為主，而行駛工況采用的是歐洲的NEDC行駛工況[1]。隨著經(jīng)濟的快速發(fā)展，我國汽車保有量迅速上升，國內(nèi)城市的交通狀況發(fā)生很大改變，原先采用的NEDC行駛工況標準已經(jīng)開始不適應新時代的交通狀況。汽車行駛工況作為汽車行業(yè)創(chuàng)新開發(fā)、指標評價的重要基礎依據(jù)，本身就具有極高的深入研究價值，而我國由于社會發(fā)展差異化及國情的特殊性，對汽車行駛工況普遍特征的總結(jié)和特殊特征的深度挖掘更存在著迫切需要。

　　本文利用某城市實時采集的同一輛輕型汽車實際行駛數(shù)據(jù)(采樣頻率1Hz)，搭建了一個符合城市道路情況的汽車行駛工況模型。在經(jīng)過對離散數(shù)據(jù)的插值擬合與不良數(shù)據(jù)的剔除后，劃分提取出符合實際運動特性的運動學片段，然后基于運動學片段分析法、主成分分析法對實測汽車數(shù)據(jù)進行降維，經(jīng)模式識別提取運動學片段曲線的特征極值。

　　在此基礎上，基于K均值聚類分析法對汽車運動學片段曲線的特征極值進行劃分，利用運動學片段間的“親疏程度”篩選出汽車行駛工況的候選片段，從而構(gòu)建出一條最貼合該城市內(nèi)車輛實際運行情況的行駛工況曲線。

　　1 數(shù)據(jù)預處理

　　在汽車行駛工況的構(gòu)建過程中，由于傳輸信號不穩(wěn)定、電磁干擾、解碼錯誤等各種原因會不可避免地導致所采集數(shù)據(jù)的質(zhì)量嚴重下降。為提高數(shù)據(jù)質(zhì)量，同時確保研究結(jié)果的可信度，本文使用MATLAB軟件對原始數(shù)據(jù)進行預處理工作。

　　(1)數(shù)據(jù)轉(zhuǎn)換

　　為了將給定的日期字符串(date)轉(zhuǎn)換為日期數(shù)字(Time)，實現(xiàn)對時間項的處理，使用MATLAB軟件中的自帶函數(shù)datenum按照如下格式進行強制轉(zhuǎn)換：

　　(1)

　　(2)數(shù)據(jù)過濾

　　由于直接記錄的原始數(shù)據(jù)中存在一定的誤差，本文根據(jù)不良數(shù)據(jù)的結(jié)構(gòu)類型進行分析、歸納后分批次處理。對于離散數(shù)據(jù)進行擬合插值，對異常數(shù)據(jù)進行修正迭代，對于非正常狀態(tài)數(shù)據(jù)進行剔除。

　　2 模型構(gòu)建

　　在數(shù)據(jù)預處理的基礎上可以實現(xiàn)將行駛工況的數(shù)據(jù)劃分為運動學片段，并經(jīng)多次篩選出不同數(shù)量的特征參數(shù)做為主成分分析，最終本文選出11個特征參數(shù)進行研究，這11個特征參數(shù)具體展示如表1所示。

　　2.1 主成分分析法

　　主成分分析(PCA)于1901年被Pearson第一次提出，主要用于處理多維數(shù)據(jù)。其在數(shù)學上的常規(guī)處理是將原始n個指標做線性組合，作為新的綜合指標[2]。

　　推薦閱讀：城市道路建設給排水施工非開挖技術(shù)的應用